障害時にステータスページが役立つ理由と作り方

本番障害でも閲覧と公開ができるステータスページの設計、利用者に伝わる表示項目、監視結果をもとにした更新手順を解説します。

ベストプラクティス
複数リージョンのサービスをダッシュボードにつないだイラスト

あるリージョンで、決済リクエストがタイムアウトし始めたとします。当番には外形監視の失敗が見えますが、利用者が知りたいのは注文が通ったかどうかです。ステータスページに影響範囲、確認済みの情報、次回更新時刻をまとめれば、サポート担当者も利用者も同じ情報を確認できます。調査の詳細は対応チーム内で扱います。

使えるページにするには、閲覧と公開の両方が必要です。サービスが落ちても利用者が読めること、権限を持つ当番が更新できることを、設計やホスティングを選ぶ前に確認します。

本番障害でも開けるようにする

status.example.com は覚えやすいアドレスです。実際に本番障害の影響を避けられるかは、その背後の依存先で決まります。ホストを分けても、権威 DNS や CDN のアカウント、当番が使う認証基盤を共用している場合があります。社外の接続から閲覧を試し、本番や通常のログインが使えない想定で公開手順を練習しておきます。代替の連絡手段も、事前に承認して対応手順書に記載します。

独自に開発すれば公開手順を細かく設計できます。運用、更新、証明書の管理は自分たちで行います。オープンソースを自前で運用すれば実装の土台は使えますが、保守は引き続き必要です。ホスティングサービスを使う場合も、ドメイン設定、公開権限、通報の手順は自社に残ります。分離したい障害ごとに、どこまで誰が担うかを確かめます。 Atlassian のインシデント連絡ガイド(英語)

利用者が判断できる単位で表示する

「決済」「注文履歴」「API」のように、利用者が使う機能に合わせて項目を分けます。リージョンや製品ごとに取れる対応が違う場合は、その違いも示します。決済に問題があっても注文履歴を使えるなら、二つを分けて示すだけで判断材料になります。スマートフォンでも、現在の影響と最新の更新をすぐ読めるようにします。ロゴや色は見分けやすさに役立ちますが、読みやすさと読み込みの軽さが先です。

公開ページには、影響、案内できる回避策、次回更新時刻を掲載します。個別アカウントの状況、リクエスト ID、内部の診断結果は適切な連絡先に分けます。リンクを掲載していなくても URL は共有できます。限定公開が必要なら、対象者に応じたアクセス制御を持つ方式を選びます。

監視結果を利用者向けの更新につなげる

架空の決済障害を考えます。1分間隔の HTTP 外形監視で、シンガポールからの 10:01 と 10:02 UTC の結果が続けて失敗し、東京からのテストは成功しています。この例では当番に通知します。10:04 UTC までに本番のリクエストデータでシンガポールの決済タイムアウトと、注文履歴が利用できることを確認したため、連絡担当は利用者への影響を公開できます。外形監視の失敗だけから分かるのは、特定地点の特定テストの結果です。

時刻(UTC) 公開文の例
10:05 シンガポールで決済がタイムアウトする問題を調査しています。注文履歴は利用できます。次回は 10:20 UTC までに更新します。
10:20 影響を軽減する対策を適用し、決済の結果を確認しています。次回は 10:35 UTC までに更新します。
10:35 シンガポールの決済が復旧しました。10:35 UTC までの15分間、決済が正常に行えることを確認しました。問題が続く場合はサポートにご連絡ください。

15分ごとの更新も、復旧後の確認期間も、この例の設定です。実際には利用者への影響と、必要な判断の内容に合わせて決めます。連絡担当と代行者をあらかじめ決めておくと、当番が復旧に専念できます。復旧の見通しが立つ前でも、確認した事実と次に更新する時刻は伝えられます。 Google SRE のインシデント対応と連絡分担(英語)

機能の状態とインシデント記録を分ける

Guance の HTTP 外形監視の結果は、影響を調べる手がかりになります。Guance のカスタムステータスページを設定する担当者には、ページの設定権限とサービスレベル目標(SLO)の閲覧権限が必要です。公開前に少なくとも一つのサービスを公開対象にし、有効でグループ化ディメンションを設定していない SLO を関連付けます。サービスの状態は、関連付けた SLO の達成率としきい値で決まります。公開済みのメンテナンス記録がある場合は、指定した業務日付に該当サービスをメンテナンス中と表示できます。インシデント記録には、利用者への影響と対応内容を書きます。

インシデント記録には、同じワークスペースで閲覧権限のある公開ノートを関連付けます。公開済みのステータスページの記録に関連付けたノートは、題名や本文を編集して保存すると、最新の内容が公開ページに反映されます。業務日付、影響サービス、表示設定を変える場合は、ページの公開設定を更新します。それぞれの操作に合わせて、文章とプレビューを確認します。長い期間の SLO が達成されていても、特定の時刻に起きた障害はインシデント記録で伝えられます。

障害が起きる前に案内する

ヘルプセンターとフッターにリンクを置き、問い合わせにもサポートが同じリンクを使えるようにします。公開権限のある当番が下書きから更新できるか、公開後に社外から読めるかを確認しておきます。障害履歴の保存期間を決め、稼働率グラフには対象サービスと集計期間を明記します。グラフの表示期間と、記録を保存する期間は区別して示します。

ステータスページの基本 · ステータスページの実例 · インシデントの連絡テンプレート

最適なプランを相談する

お問い合わせ

コミュニティに参加

WeChatでスキャンして
コミュニティに参加

Guanceを試す

オンラインですぐに始めて、使った分だけお支払いください。

利用を開始

Guanceのプランを選択

コードリポジトリ